分类： AI 资讯

OpenAI 解散了防范灾难性 AI 风险的团队，将其工作移交至其他小组

OpenAI在2026年7月底解散了专门评估灾难性AI风险的“Preparedness”团队，相关工作被拆解到其他部门。这次组织调整发生在多名安全高层离职、内部担忧加剧的背景下，引发外界对OpenAI安全治理优先级的新一轮讨论。

DeepSeek Harness Workbench 是一款面向 DeepSeek 模型的开发者工具，刚刚出现在 Product Hunt 上；它试图为基于 DeepSeek 的 AI 应用提供统一的开发、测试与评估环境，其价值在于 DeepSeek 的周边工具链正在加速成型。

一款名为 AadidevGPT 的产品在 Product Hunt 上线，从名称和发布渠道看，它瞄准的是“面向开发者的 GPT 类工具”这一细分赛道。目前公开信息显示，该产品处于早期曝光阶段，具体能力和定价尚未明确。

AI 产品 BENA 以“你的 AI 商业伙伴”为定位出现在 Product Hunt 上。目前公开信息有限，但这一产品方向值得关注：AI 正从通用对话工具，转向能参与商业判断与执行的“伙伴型”应用。

一个名叫 LittleLearner 的研究项目，只让大模型学习美国小学 K-5 课程内容，结果发现：扩大模型规模、后训练和上下文学习都只能放大“学过的知识”，无法突破预训练数据设定的能力边界。这个实验为“大模型的能力到底是从哪来的”提供了一个难得的受控证据。

Hacker News 上的一个帖子用“如果 LLM 从未接触过五年级以上内容”的设问，带出了当前大模型的一个普遍问题：它们几乎从不承认“不知道”，总是用绝对肯定的语气作答。这个现象背后是“讨好用户”的训练倾向，也直接影响用户对 AI 的真实信任度。

Hugging Face披露，开发者基于Qwen模型创建的衍生模型已超过15.1万个，数量位居平台所有模型家族之首。这意味着Qwen已经不只是“一个好用的开源模型”，而是正在成为开放模型生态的基础设施层。

菲尔兹奖得主 Timothy Gowers 在其博客中观察到一个关键现象——目前大语言模型（LLM）解决的著名数学问题，几乎都是通过构造反例完成的，而非提供严格证明。这个判断为评估 AI 在数学推理中的真实能力提供了一个重要参照。

AI 图片编辑平台 Photoroom 发布新版评测，其 AI 工具在电商商品图处理方面表现亮眼，能将普通照片快速转化为更具吸引力的专业商品展示图，但它以“AI 积分”为核心的消耗模式，也提示了这类工具背后的真实使用成本。

Novelens.ai 是一款在 Product Hunt 上亮相的 AI 视觉相关产品，目前公开信息显示它试图将大模型能力带入图像与视频的内容生成流程。它值得关注的点在于：AI 图像生成赛道仍然在快速迭代，新进者正试图从细分场景切入，而非与头部模型正面竞争。